本实验活动使用ADALM2000和Scopy介绍包络检测和幅度调制。信号的包络相当于其轮廓，包络检波器连接该信号中的所有峰值。包络检测在信号处理和通信领域应用广泛，幅度调制(AM)检测便是其中一个应用。
得益于出色的深度计算和红外(IR)成像能力，飞行时间(TOF)摄像头在工业应用，尤其是机器人领域越来越受欢迎。尽管具有这些优势，但光学系统的固有复杂性往往会约束视场，从而限制独立功能。本文中讨论的3D图像拼接算法专为支持主机处理器而设计，无需云计算。该算法将来自多个TOF摄像头的红外和深度数据实时无缝结合，生成连续的高质量3D图像，该图像具有超越独立单元的扩大视场。借助拼接的3D数据，应用先进的深度学习网络能够彻底改变可视化及与3D环境的交互，深度学习网络在移动机器人应用中特别有价值。
根据电力研究院 (EPRI) 最近发布的研究报告，由于电力问题，包括电源波动和电压扰动，美国大型工业设施每年损失超过1000亿美元。家里的电灯闪烁不定会令人烦恼。而在工厂里，电力不稳定可能导致昂贵的设备发生故障，甚至过早报废。细微的电源质量事件常常越过传统保护网络而不被察觉，造成设备性能随着时间推移而降低。此外，许多电源质量扰动的来源是多个负载连接到同一网络，引起扰动穿越邻近设施和建筑物。为了克服电源质量挑战，有必要监控输入以及负载产生的扰动。电源质量监控可为设备提供适当的保护，并且帮助确定合适的管控技术来提高电源质量。
本文重点介绍了惯性测量单元(IMU)传感器对于机器人定位的重要性，并概述了其主要优点。IMU可提供关键的运动数据，已成为机器人精确定位的重要组成部分。IMU集成了加速度计、陀螺仪和磁力计，通过提供实时响应，使机器人能够准确地确定其方向、位置和运动，从而使机器人能够在动态变化的环境中导航。传感器融合技术将IMU数据与其他传感器（例如摄像头或LIDAR）相结合，通过整合多个数据源来提高定位精度。IMU广泛应用于移动机器人、人形机器人、无人机(UAV)以及虚拟/增强现实。它们在实现精确定位方面发挥了重要作用，使机器人能够自主执行复杂任务并与周围环境有效互动。本文探讨了在颇具挑战性的AMR运行环境中，IMU具有哪些应用案例，以及IMU在实现精确定位方面如何发挥关键作用。
